如何在 R 中从大型和复杂的 XML 文件中提取单个句子

问：

我正在解析 FDA 药品标签，这些标签可通过 https://dailymed.nlm.nih.gov/dailymed/services/v2/spls/ 的 API 从 DailyMed 访问。

XML 中的示例标签如下：https://dailymed.nlm.nih.gov/dailymed/services/v2/spls/2d04c305-70d6-4a99-8c82-720c5398a46c.xml

我在 R 中的任务是在数千个这样的药品标签中找到某些关键字，并提取关键字周围的文本以进行进一步处理。如果我能得到包含关键字的单个句子，那将是理想的。

到目前为止，我的方法是将路径用于更高级别的感兴趣节点，并使用 xml_text（）） 抓取文本。然后使用 str_split（） 创建句子列表。

chunk_of_text <- xml_text（）

list_of_sentences <- str_split（chunk_of_text， pattern=boundary（“句子”）

这很有效，除非句子之间的空格为零（例如，“句子一句子二”或“句子一。第二句。出现这种缺少空格问题的原因是 xml_text（） 连接了所有内容，并且在部分标题、段落等之后经常缺少空格。我试过搜索“\.”并在str_split（）之前替换为“\.”，但这会用小数点打破数字。

我看到的另一个选择是在不使用 xml_read（） 的情况下解析 XML，以避免将所有文本组合在一起的串联。

这些 XML 标签确实具有预期的语法，但不同标签的语法不同。从字面上看，我必须寻找特定的标签才能接近，但关键字可能位于其下方的 XML 大块中的任何位置。

有没有办法从路径开始，并将该路径中的所有文本提取到列表或结构或单个字符串（用空格分隔）中？我不需要提取结构，甚至不需要理解它 - 我只需要单个句子中的所有文本（或标题短语等），然后我就可以对每个句子进行关键字搜索。

谢谢！